### Python 实现蒙特卡洛模拟进行股价预测 为了利用蒙特卡洛方法预测股价，通常会假设股票价格遵循几何布朗运动。这意呸着未来的价格变化可以通过当前价格、预期回报率以及波动率等因素建模[^3]。 下面展示一段用于执行此类预测的Python代码： ```python import numpy as np import pandas as pd from matplotlib import pyplot as plt def monte_carlo_simulation(initial_price, annual_return_rate, volatility, days=252, simulations=1000): dt = 1 / days # 时间间隔，默认一年有252个交易日 price_series = np.zeros((days, simulations)) price_series[0] = initial_price for t in range(1, days): rand_nums = np.random.standard_normal(simulations) drift = (annual_return_rate - 0.5 * volatility ** 2) * dt shock = volatility * np.sqrt(dt) * rand_nums price_change = price_series[t-1] * (drift + shock) price_series[t] = price_series[t-1] + price_change return price_series # 参数设定 initial_stock_price = 100 # 初始股价 mean_daily_return = 0.07 # 年化收益率转换成日均收益 volatility_per_annum = 0.3 # 波动率（年） simulated_prices = monte_carlo_simulation( initial_stock_price, mean_daily_return/252, volatility_per_annum*np.sqrt(1/252), ) plt.figure(figsize=(10,6)) for i in range(simulated_prices.shape[1]): plt.plot(simulated_prices[:,i], alpha=.05, color='blue') plt.title('Monte Carlo Simulation of Stock Price Movement', fontsize=18) plt.xlabel('Trading Days into Future', fontsize=14) plt.ylabel('Stock Price ($)', fontsize=14); ``` 这段脚本定义了一个`monte_carlo_simulation()`函数，该函数接受初始股价、平均每日回报率、波动性和其他可选参数作为输入，并返回一系列可能的股价路径。最后部分绘制了所有模拟出来的股价走势图以便直观理解潜在的结果范围[^2]。